遥感技术在林业上的广泛应用使大尺度范围的森林资源调查规划成为可能,多光谱遥感数据在森林冠层信息的获取方面有很大的优势,而地物的空间结构信息则可以由机载激光雷达数据获取。已有不少学者通过将多光谱数据中提取出来的植被指数与由LiDAR点云数据中提取出来的LiDAR变量融合起来反演森林地上生物量,但是目前采用影像纹理信息和LiDAR数据的融合数据估测生物量的研究却很少。本研究以甘肃省张掖市大野口林区为研究区,以LiDAR点云数据、Quick Bird影像和外业调查数据为数据源,对比分析了单一基于LiDAR变量、基于LiDAR变量和植被指数、基于LiDAR变量和影像纹理信息建立的三种估测森林地上生物量的BP神经网络模型精度,并基于最佳模型反演出研究区的森林地上生物量。研究结果如下:（1）LiDAR数据在森林地上生物量的反演中可以取得较高精度。本研究提取LiDAR点云数据的强度信息、高度信息、密度信息作为输入因子;将通过实地调查数据计算得到的样地地上生物量作为输出因子,建立BP神经网络模型。其结果显示:基于LiDAR数据的森林地上生物量反演精度可达R~2=0.70,RMSE=17.92t/hm~2,精度较高。（2）区域增长算法在基于多源遥感数据的林分分割中效果最佳。对比基于多源遥感数据与基于单一LiDAR数据的林分自动分割结果发现:由于加入了基于Quick Bird卫星影像数据的地物分类结果使得林分分割边界更为准确,对于地物的判别分类也更加精细,生成的林分边界与实际地形更加符合。其中,林分数量增加了32.3%,林分的平均面积减小了13.5%。对比基于LiDAR数据与Quick Bird影像的融合数据进行的林分自动分割结果与基于林相图、航片等资料获得的手动分割结果发现:自动分割生成的林分数量比手动分割增加了47.9%,平均面积减小了38.8%;林分边界的平滑程度与手动分割基本一致,并在细节的处理上也更加精细。（3）LiDAR点云数据与Quick Bird数据融合可以提高生物量反演精度。通过对比发现:不管是LiDAR数据与植被指数的融合（R~2=0.72,RMSE=16.88t/hm~2）,还是LiDAR数据与影像纹理信息的融合（R~2=0.74,RMSE=16.33t/hm~2）,模型的估测精度都高于单一基于LiDAR数据反演的精度（R~2=0.70,RMSE=17.92t/hm~2）。该结果表明,相比于单一数据源,多源遥感数据在生物量估测中更具有优势。（4）在森林地上生物量估测中,与使用植被指数的情况相比,影像纹理信息对估测精度有更大的贡献。本研究基于3×3窗口大小,提取Quick Bird数据中的相应影像纹理信息并与LiDAR变量共同作为输入因子,构建BP神经网络模型。相比于另外两个模型,加入影像纹理信息的反演精度最高。该结果可以为生物量估测方式的选择提供新的思路。